Fugu-MT 論文翻訳(概要): The Geometry of Metaphor: Probing and Steering Metaphor Representations in Large Language Models

論文の概要: The Geometry of Metaphor: Probing and Steering Metaphor Representations in Large Language Models

arxiv url: http://arxiv.org/abs/2610.31520v1
Date: Thu, 22 Oct 2026 16:33:01 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-24 02:08:44.478712
Title: The Geometry of Metaphor: Probing and Steering Metaphor Representations in Large Language Models
Title（参考訳）: メタファーの幾何学:大規模言語モデルにおける探索とステアリングメタファー表現
Abstract要約: 我々は、機械論的解釈可能性技術を用いて、様々な大言語モデルにおける因果部分空間を同定する。音声の様々な部分にわたる分類作業において,出力を制御できることが示される。
参考スコア（独自算出の注目度）: 2.2312351158127464
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Metaphor is a crucial aspect of human cognition. As such, we would like to understand how it is represented in large language models (LLMs) and how it might be controlled. We use mechanistic interpretability techniques to identify causal subspaces in a range of LLMs covering different architectures and sizes. We show that we are able to steer output on classification tasks across different parts of speech. We are also able to steer output on generation tasks, indicating that these techniques can be used to control the metaphoricity of LLM output.
Abstract（参考訳）: メタファーは人間の認知の重要な側面である。そのため、大規模な言語モデル(LLM)でどのように表現され、どのように制御されるかを理解したい。我々は,異なるアーキテクチャとサイズをカバーするLLMの範囲内の因果部分空間を特定するために,機械的解釈可能性技術を用いている。音声の様々な部分にわたる分類作業において,出力を制御できることが示される。また,LLM出力の比喩性を制御するために,生成タスクの出力をステアリングすることが可能であることを示す。

関連論文リスト

MetaphorVU: Towards Metaphorical Video Understanding [81.48044445740618]
本稿ではメタファーVU-Benchを提案する。現在のMLLMは正確な比喩的ビデオ理解に苦しむが、それは主に欠陥のあるクロスドメインマッピングのため、人間のレベルよりはるかに遅れている。この発見を動機として、マッピング強化としてのメタファ知識グラフを構築し、推論時間拡張フレームワークであるMetaphorBoostを提案する。
論文参考訳（メタデータ） (2026-05-25T06:12:19Z)
Cognitive Mismatch in Multimodal Large Language Models for Discrete Symbol Understanding [96.81411333150213]
本稿では,最上位のMLLMが個別の意味空間をどのようにナビゲートするかを評価するためのベンチマークを紹介する。モデルは基本的なシンボル認識に失敗することが多いが、複雑な推論タスクに成功している。この作業は、より厳格で人間指向のインテリジェントなシステムを開発するためのロードマップを提供する。
論文参考訳（メタデータ） (2026-03-19T04:08:20Z)
Seeing through Imagination: Learning Scene Geometry via Implicit Spatial World Modeling [68.14113731953971]
本稿では,人間のような想像力をシミュレートするインプリシット・スパットIaLwOrldモデリングパラダイムMILOを紹介する。提案手法は,複数のベースラインとベンチマークにまたがる空間推論能力を大幅に向上させることを示す。
論文参考訳（メタデータ） (2025-12-01T16:01:41Z)
Unveiling LLMs' Metaphorical Understanding: Exploring Conceptual Irrelevance, Context Leveraging and Syntactic Influence [40.32545329527664]
大規模言語モデル(LLM)は、知識統合、文脈推論、創造的生成における高度な能力を示す。本研究では,LLMのメタファ処理能力について3つの視点から検討する。
論文参考訳（メタデータ） (2025-10-05T09:45:51Z)
Metaphor identification using large language models: A comparison of RAG, prompt engineering, and fine-tuning [0.6524460254566904]
本研究では,大言語モデル(LLM)が全文でメタファ識別を自動化する可能性について検討する。 i) 検索拡張生成(RAG) モデルにコードブックを付与し,その規則や例に基づいて注釈を付けるように指示する手法, (ii) タスク固有の言語命令を設計する手法, (iii) ハンドコードされたテキストでモデルを訓練してパフォーマンスを最適化するファインチューニング,の3つの手法を比較した。
論文参考訳（メタデータ） (2025-09-29T14:50:18Z)
Science is Exploration: Computational Frontiers for Conceptual Metaphor Theory [0.0]
本研究では,Large Language Models (LLM) が,自然言語データにおける概念的メタファの存在を正確に識別し,説明することができることを示す。メタファアノテーションガイドラインに基づく新しいプロンプト手法を用いて,LLMが概念的メタファに関する大規模計算研究において有望なツールであることを実証した。
論文参考訳（メタデータ） (2024-10-11T17:03:13Z)
ClawMachine: Learning to Fetch Visual Tokens for Referential Comprehension [71.03445074045092]
我々はClawMachineを提案し、視覚トークンのグループのトークン集合を用いて各エンティティに明示的に通知する新しい方法論を提案する。追加構文を用いることなく視覚的参照タスクのプロンプトと応答を統一する手法を提案する。 ClawMachineは、高い効率でシーンレベルおよび参照理解タスクにおいて優れたパフォーマンスを達成する。
論文参考訳（メタデータ） (2024-06-17T08:39:16Z)
Meta4XNLI: A Crosslingual Parallel Corpus for Metaphor Detection and Interpretation [6.0158981171030685]
本稿ではメタ4XNLIについて紹介する。メタ4XNLIは自然言語推論(NLI)のための最初の並列データセットである。その結果,微調整エンコーダはメタファー検出においてデコーダのみのLLMよりも優れていた。また,言語間のメタファーの保存や喪失において,翻訳が重要な役割を担っていることも確認した。
論文参考訳（メタデータ） (2024-04-10T14:44:48Z)
General-Purpose Speech Representation Learning through a Self-Supervised Multi-Granularity Framework [114.63823178097402]
本稿では,汎用音声表現学習のための自己教師型学習フレームワーク MGF を提案する。具体的には、生成学習手法を用いて、小さな時間スケールできめ細かい情報を捕捉し、識別学習手法を用いて、粗い情報や意味情報を大規模に蒸留することを提案する。
論文参考訳（メタデータ） (2021-02-03T08:13:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。